Debugg AI MCP Sunucusu

“Debugg AI” MCP Sunucusu ne yapar?

Debugg AI MCP Sunucusu, Model Context Protocol (MCP) üzerine inşa edilmiş yapay zeka destekli bir tarayıcı otomasyonu ve uçtan uca (E2E) test sunucusudur. Yapay zeka asistanlarının ve ajanlarının UI testlerini otomatikleştirmesine, kullanıcı davranışını simüle etmesine ve çalışan web uygulamalarının görsel çıktısını doğal dil komutları veya CLI araçlarıyla analiz etmesine olanak tanır. Bu sunucu, Playwright gibi test çerçevelerinin veya tarayıcı proxy’lerinin manuel kurulumunu ortadan kaldırarak, güvenli tüneller aracılığıyla yerel veya uzaktaki geliştirme ortamlarına sorunsuzca entegre olan tamamen uzaktan yönetilen bir çözüm sunar. Geliştiriciler kullanıcı hikayelerine dayalı UI testlerini tetikleyebilir, geçmiş sonuçları takip edebilir ve bu iş akışlarını CI/CD boru hatlarına entegre ederek yazılım geliştirmede verimlilik ve güvenilirliği artırabilir.

Komut İstemleri Listesi

Depoda komut istemi şablonları hakkında bilgi verilmemiştir.

İşinizi büyütmeye hazır mısınız?

Bugün ücretsiz denemenizi başlatın ve günler içinde sonuçları görün.

Demo talep et Giriş yap

Kaynaklar Listesi

Depoda açık kaynaklar belirtilmemiştir.

Araçlar Listesi

• debugg_ai_test_page_changes
  Kullanıcı hikayelerine veya doğal dil açıklamalarına dayalı olarak UI testlerinin tetiklenmesini sağlar. Bu araç, tarayıcı eylemlerini ve uçtan uca test akışlarını otomatikleştirir ve ilerlemeyi ve sonuçları kullanıcıya bildirir.

Bültenimize katılın

En son ipuçlarını, trendleri ve teklifleri ücretsiz alın.

E-posta adresi

Abone ol

Bu MCP Sunucusunun Kullanım Alanları

• Otomatik UI Testi
  Web uygulamalarında uçtan uca UI testlerini doğal dil açıklamalarıyla anında çalıştırın, manuel test betiği ihtiyacını azaltın.
• Localhost Web Uygulaması Entegrasyonu
  Herhangi bir localhost portunda çalışan geliştirme uygulamalarını test edin; ek yapılandırma gerektirmeden gerçek kullanıcı etkileşimlerini ve akışlarını simüle edin.
• Sürekli Entegrasyon/Sürekli Dağıtım (CI/CD)
  Otomatik E2E testlerini CI/CD boru hatlarına entegre ederek yeni kod değişikliklerinin dağıtımdan önce doğrulanmasını sağlayın.
• Görsel Çıktı Analizi
  Test iş akışının bir parçası olarak görsel değişiklikleri ve UI regresyonlarını otomatik olarak analiz edin.
• Geçmiş Test Takibi
  Audit ve iyileştirme için tüm önceki test sonuçlarına Debugg.AI panosundan erişin ve inceleyin.

Kurulum Nasıl Yapılır

Windsurf

1. Node.js gibi önkoşulların kurulu olduğundan emin olun.
2. Windsurf yapılandırma dosyanızı açın.
3. MCP sunucularınız listesine Debugg AI MCP sunucusunu aşağıdaki JSON ile ekleyin:

   {
     "mcpServers": {
       "debugg-ai-mcp": {
         "command": "npx",
         "args": ["@debugg-ai/mcp-server@latest"]
       }
     }
   }
   

4. Yapılandırmayı kaydedin ve Windsurf’u yeniden başlatın.
5. Sunucunun çalıştığını ve erişilebilir olduğunu doğrulayın.

Claude

1. Node.js yüklü değilse kurun.
2. Claude’un MCP yapılandırma bölümünü bulun.
3. Debugg AI MCP sunucusunu ekleyin:

   {
     "mcpServers": {
       "debugg-ai-mcp": {
         "command": "npx",
         "args": ["@debugg-ai/mcp-server@latest"]
       }
     }
   }
   

4. Değişiklikleri kaydedin ve Claude’u yeniden başlatın.
5. Mevcut MCP araçlarını kontrol ederek sunucu entegrasyonunu doğrulayın.

Cursor

1. Sisteminizde Node.js kurulumunu yapın.
2. Cursor MCP yapılandırma dosyasını düzenleyin.
3. Sunucu girişini ekleyin:

   {
     "mcpServers": {
       "debugg-ai-mcp": {
         "command": "npx",
         "args": ["@debugg-ai/mcp-server@latest"]
       }
     }
   }
   

4. Kaydedin ve Cursor’u yeniden yükleyin.
5. Debugg AI sunucu araçlarını araç kaydında kontrol edin.

Cline

1. Node.js’in kurulu olduğundan emin olun.
2. Cline’ın MCP yapılandırma dosyasını açın.
3. Aşağıdaki yapılandırmayı ekleyin:

   {
     "mcpServers": {
       "debugg-ai-mcp": {
         "command": "npx",
         "args": ["@debugg-ai/mcp-server@latest"]
       }
     }
   }
   

4. Dosyayı kaydedin ve Cline’ı yeniden başlatın.
5. Sunucunun erişilebilirliğini doğrulayın.

API Anahtarlarının Güvenliği

API anahtarlarınızı güvenceye almak için yapılandırmada ortam değişkenleri kullanın:

{
  "mcpServers": {
    "debugg-ai-mcp": {
      "command": "npx",
      "args": ["@debugg-ai/mcp-server@latest"],
      "env": {
        "DEBUGG_AI_API_KEY": "${DEBUGG_AI_API_KEY}"
      },
      "inputs": {
        "apiKey": "${DEBUGG_AI_API_KEY}"
      }
    }
  }
}

Bu MCP’yi akışlarda nasıl kullanırsınız

FlowHunt’ta MCP Kullanımı

MCP sunucularını FlowHunt iş akışınıza entegre etmek için, önce MCP bileşenini akışınıza ekleyin ve AI ajanınıza bağlayın:

MCP bileşenine tıklayarak yapılandırma panelini açın. Sistem MCP yapılandırma bölümüne MCP sunucu bilgilerinizi şu JSON formatında ekleyin:

{
  "debugg-ai-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Yapılandırıldıktan sonra, AI ajanı artık bu MCP’yi bir araç olarak kullanabilir ve tüm işlevlerine erişebilir. “debugg-ai-mcp” adını kendi sunucu adınızla, URL’yi ise kendi MCP sunucu adresinizle değiştirmeniz gerektiğini unutmayın.

Genel Bakış

AI destekli uçtan uca testler için sağlam bir MCP sunucusu, ancak belgelenmiş komut istemi şablonlarının ve açık kaynakların eksikliği, gelişmiş MCP tabanlı iş akışlarında esnekliği sınırlandırıyor. Araçlar ve kurulum oldukça basit ve temel otomasyon kullanım alanlarını kapsıyor. Puan: 6/10.

MCP Puanı